Динамический вариационный вывод
Динамический вариационный вывод расширяет фреймворк вариационного вывода на последовательные данные и временные ряды, постулируя структурированную аппроксимирующую апостериорную вероятность, которая учитывает временной порядок скрытых состояний. Он совместно обучается генеративной модели того, как скрытые состояния развиваются во времени, и сети распознавания, которая отображает наблюдаемые последовательности обратно в эти скрытые состояния, оптимизируя последовательную нижнюю границу свидетельства (ELBO).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
Как цитировать эту страницу
ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/ru/bayesian/dynamic-variational-inference
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Динамическая байесовская сетьБайесовские методы↔ compare
- Фильтр КалманаБайесовские методы↔ compare
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
- Байесовский вывод для временных рядовБайесовские методы↔ compare
- Вариационный выводБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →